Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,215 +1,63 @@
 #!/usr/bin/env python
-# coding: utf-8
-
-# =====================================================
-# Dashboard - Testes de Hipóteses com AmesHousing
-# =====================================================
-
-import streamlit as st
-import pandas as pd
-import matplotlib.pyplot as plt
-import seaborn as sns
-import plotly.express as px
-import numpy as np
-
-from scipy import stats
-from scipy.stats import shapiro, levene, kruskal
-from statsmodels.formula.api import ols
-import statsmodels.api as sm
-
-# -----------------------------------------------------
-# Configuração da Página
-# -----------------------------------------------------
-st.set_page_config(
-    page_title="Dashboard - Testes de Hipóteses com AmesHousing",
-    layout="wide",
-    initial_sidebar_state="expanded"
-)
-
-st.markdown("<h1 style='text-align:center;color:#003366;'>Simulador de Testes de Hipótese</h1>", unsafe_allow_html=True)
-st.markdown("<h3 style='text-align:center;color:#003366;'>Análise do Dataset AmesHousing</h3>", unsafe_allow_html=True)
-st.markdown("---")
-
-# -----------------------------------------------------
-# Abas do Dashboard
-# -----------------------------------------------------
-tabs = st.tabs(["Simulações Teóricas", "Análise AmesHousing"])
-
-# -----------------------------------------------------
-# Aba 1: Simulações Teóricas
-# -----------------------------------------------------
-with tabs[0]:
-    st.subheader("Teste de Hipótese para Proporção de Testes Positivos de COVID-19")
-
-    st.sidebar.markdown("### Parâmetros do Teste (Proporção)")
-    p_pop      = st.sidebar.slider("Proporção populacional (H0)", 0.0, 1.0, 0.1, 0.01, key="p_pop")
-    p_sample   = st.sidebar.slider("Proporção amostral", 0.0, 1.0, 0.12, 0.01, key="p_sample")
-    n          = st.sidebar.slider("Tamanho da amostra", 100, 10000, 1000, 10, key="n_sample")
-    alpha_prop = st.sidebar.slider("Nível de significância (α)", 0.01, 0.10, 0.05, 0.01, key="alpha_prop")
-
-    se      = np.sqrt(p_pop*(1-p_pop)/n)
-    z       = (p_sample - p_pop)/se
-    p_value = 2*(1 - stats.norm.cdf(abs(z)))
-
-    st.write(f"**Z** = {z:.4f}")
-    st.write(f"**p-valor** = {p_value:.4f}")
-    if p_value < alpha_prop:
-        st.write("**Rejeitamos H0**: diferença significativa.")
-    else:
-        st.write("**Não rejeitamos H0**: sem diferença significativa.")
-
-# -----------------------------------------------------
-# Aba 2: Análise AmesHousing
-# -----------------------------------------------------
-with tabs[1]:
-    st.subheader("Análise de Variância - AmesHousing Dataset")
-    st.markdown("---")
-
-    # Leitura do CSV
-    casa_data = pd.read_csv("../Dados/AmesHousing.csv")
-    casa_data.columns = casa_data.columns.str.strip().str.replace(" ", "_")
-
-    # -----------------------------
-    # Amostragem
-    # -----------------------------
-    n_amostra = st.session_state.get("n_sample", len(casa_data))
-    if n_amostra < len(casa_data):
-        dados = casa_data.sample(n=n_amostra, random_state=42)
-    else:
-        dados = casa_data.copy()
-
-    # -----------------------------
-    # Filtro interativo no sidebar
-    # -----------------------------
-    st.sidebar.markdown("### Filtros AmesHousing")
-
-    bairros = st.sidebar.multiselect(
-        "Selecione bairros",
-        options=sorted(dados["Neighborhood"].dropna().unique()),
-        default=None
-    )
-
-    # Aplicar filtro
-    dados_filtrados = dados.copy()
-    if bairros:
-        dados_filtrados = dados_filtrados[dados_filtrados["Neighborhood"].isin(bairros)]
-
-    # -------------------------------------------------
-    # Análise Exploratória
-    # -------------------------------------------------
-    st.markdown("### Distribuição do Preço de Venda")
-    if not dados_filtrados.empty:
-        fig, ax = plt.subplots(figsize=(8,5))
-        sns.histplot(dados_filtrados['SalePrice'], kde=True, ax=ax)
-        ax.set_title("Distribuição do Preço de Venda")
-        st.pyplot(fig)
-    else:
-        st.warning("Nenhum dado disponível com os filtros aplicados.")
-
-    # Boxplots
-    st.markdown("### Boxplots das Variáveis Selecionadas")
-    variavel = st.selectbox(
-        "Escolha a variável categórica para comparar preços:",
-        ["Neighborhood","Garage_Type","Fireplaces"]
-    )
-
-    if not dados_filtrados.empty:
-        if len(dados_filtrados[variavel].dropna().unique()) > 1:
-            fig2, ax2 = plt.subplots(figsize=(12,6))
-            sns.boxplot(x=variavel, y="SalePrice", data=dados_filtrados, ax=ax2)
-            plt.xticks(rotation=90)
-            ax2.set_title(f"Preço de Venda por {variavel}")
-            st.pyplot(fig2)
-        else:
-            st.warning(f"Não é possível gerar boxplot: apenas uma categoria em {variavel} após os filtros.")
-
-    # Scatter interativo (média de preço por bairro)
-    st.markdown("### Preço Médio de Venda por Bairro")
-    if not dados_filtrados.empty:
-        bairro_grouped = dados_filtrados.groupby('Neighborhood').agg(
-            count=('SalePrice','size'),
-            mean_price=('SalePrice','mean')
-        ).reset_index()
-
-        bairro_filtered = bairro_grouped[bairro_grouped['count'] >= 5]
-        if not bairro_filtered.empty:
-            fig3 = px.scatter(
-                bairro_filtered,
-                x='mean_price',
-                y='Neighborhood',
-                size='count',
-                color='Neighborhood',
-                title='Preço Médio de Venda vs Bairro (Ames, Iowa)',
-                labels={'mean_price': 'Preço Médio de Venda', 'Neighborhood':'Bairro'},
-                opacity=0.8
-            )
-            st.plotly_chart(fig3, use_container_width=True)
-        else:
-            st.warning("Não há bairros suficientes após filtros para gerar o gráfico.")
-
-    # -------------------------------------------------
-    # ANOVA
-    # -------------------------------------------------
-    st.markdown("### ANOVA para Neighborhood, Garage_Type e Fireplaces")
-    alpha = st.sidebar.slider(
-        "Nível de significância (α) - ANOVA AmesHousing",
-        0.01,0.10,0.05,0.01,
-        key="alpha_ames"
-    )
-
-    if not dados_filtrados.empty:
-        for nome in ["Neighborhood", "Garage_Type", "Fireplaces"]:
-            categorias = dados_filtrados[nome].dropna().unique()
-            if len(categorias) < 2:
-                st.warning(f"ANOVA não pôde ser realizada para **{nome}** (menos de 2 grupos após os filtros).")
-                continue
-
-            modelo = ols(f'SalePrice ~ C({nome})', data=dados_filtrados).fit()
-            st.markdown(f"#### ANOVA - {nome}")
-            anova = sm.stats.anova_lm(modelo, typ=2)
-            st.dataframe(anova)
-
-        # -------------------------------------------------
-        # Validação dos Pressupostos
-        # -------------------------------------------------
-        st.markdown("### Validação dos Pressupostos da ANOVA")
-
-        st.markdown("#### Teste de Normalidade (Shapiro-Wilk)")
-        for nome in ["Neighborhood","Garage_Type","Fireplaces"]:
-            categorias = dados_filtrados[nome].dropna().unique()
-            if len(categorias) < 2:
-                st.warning(f"Shapiro-Wilk não pôde ser realizado para **{nome}** (menos de 2 grupos após os filtros).")
-                continue
-
-            modelo = ols(f'SalePrice ~ C({nome})', data=dados_filtrados).fit()
-            residuos = modelo.resid
-            stat, p = shapiro(residuos.dropna())
-            st.write(f"{nome}: estatística={stat:.3f}, p={p:.3f}  "
-                     + ("resíduos normais" if p >= alpha else "violação de normalidade"))
-
-        st.markdown("#### Teste de Homocedasticidade (Levene)")
-        for nome in ["Neighborhood","Garage_Type","Fireplaces"]:
-            grupos = [grupo["SalePrice"].dropna() for _, grupo in dados_filtrados.groupby(nome)]
-            if len(grupos) < 2:
-                st.warning(f"Levene não pôde ser realizado para **{nome}** (menos de 2 grupos após os filtros).")
-                continue
-
-            stat, p = levene(*grupos)
-            st.write(f"{nome}: estatística={stat:.3f}, p={p:.3f}  "
-                     + ("variâncias iguais" if p >= alpha else "variâncias diferentes"))
-
-        # -------------------------------------------------
-        # Kruskal-Wallis
-        # -------------------------------------------------
-        st.markdown("### Teste não-paramétrico (Kruskal-Wallis)")
-        for nome in ["Neighborhood","Garage_Type","Fireplaces"]:
-            grupos = [grupo["SalePrice"].dropna() for _, grupo in dados_filtrados.groupby(nome)]
-            if len(grupos) < 2:
-                st.warning(f"Kruskal-Wallis não pôde ser realizado para **{nome}** (menos de 2 grupos após os filtros).")
-                continue
-
-            stat, p = kruskal(*grupos)
-            st.write(f"{nome}: estatística={stat:.3f}, p={p:.3f}  "
-                     + ("diferenças significativas" if p < alpha else "sem diferença significativa"))
+st.pyplot(fig_r)
+with cols[1]:
+st.markdown("**QQ-Plot** (normalidade)")
+fig_q = sm.qqplot(residuos, line='45', fit=True)
+st.pyplot(fig_q)
+with cols[2]:
+st.markdown("**Histograma dos Resíduos**")
+fig_h, ax_h = plt.subplots(figsize=(4,3))
+sns.histplot(residuos, kde=True, ax=ax_h)
+st.pyplot(fig_h)
+
+
+# Testes formais — Normalidade (Shapiro) e Homocedasticidade (Breusch-Pagan)
+sh_stat, sh_p = shapiro(residuos)
+bp_stat, bp_p, _, _ = het_breuschpagan(residuos, model.model.exog)
+st.markdown("#### Testes de Pressupostos (Regressão)")
+st.write(f"Shapiro-Wilk: estatística={sh_stat:.3f}, p={sh_p:.3f} → " + ("normalidade OK" if sh_p>=alpha_reg else "violação de normalidade"))
+st.write(f"Breusch-Pagan: estatística={bp_stat:.3f}, p={bp_p:.3f} → " + ("homocedasticidade OK" if bp_p>=alpha_reg else "heterocedasticidade detectada"))
+
+
+# Multicolinearidade — VIF somente para variáveis numéricas (dummies já expandidas pelo modelo)
+try:
+design = model.model.exog
+nomes = model.model.exog_names
+vif_vals = []
+for i in range(design.shape[1]):
+try:
+vif_vals.append(variance_inflation_factor(design, i))
+except Exception:
+vif_vals.append(np.nan)
+vif_df = pd.DataFrame({'Variável': nomes, 'VIF': vif_vals})
+st.markdown("#### VIF (Multicolinearidade)")
+st.dataframe(vif_df)
+except Exception as e:
+st.info(f"Não foi possível calcular VIF: {e}")
+
+
+# Orientações conforme pressupostos
+avisos = []
+if sh_p < alpha_reg:
+avisos.append("Normalidade violada — considere log-transformar o alvo (marque a opção log) ou técnicas robustas.")
+if bp_p < alpha_reg:
+avisos.append("Heterocedasticidade — avalie transformação ou erros-padrão robustos (HC).")
+if (pd.Series(vif_vals).dropna() > 10).any():
+avisos.append("VIF > 10 em alguma variável — possível multicolinearidade; reavalie/features ou regularização.")
+if avisos:
+st.warning("\n".join(avisos))
+
+
+# Interação — destaque se foi significativa
+if interagir and inter_1 and inter_2:
+termo = f"C({inter_1}):C({inter_2})" if (inter_1 in feats_cat and inter_2 in feats_cat) else (
+f"C({inter_1}):{inter_2}" if inter_1 in feats_cat else (
+f"{inter_1}:C({inter_2})" if inter_2 in feats_cat else f"{inter_1}:{inter_2}"))
+if termo in model.pvalues:
+p_int = model.pvalues[termo]
+st.info(f"Interação {termo} — p={p_int:.4f} → " + ("**significativa**" if p_int < alpha_reg else "não significativa"))
+
+
+st.success("Modelagem concluída.")